Effects of a 60 Hz Magnetic Field Exposure Up to 3000 μT on Human Brain Activation as Measured by Functional Magnetic Resonance Imaging
Notice bibliographique
Résumé
Several aspects of the human nervous system and associated motor and cognitive processes have been reported to be modulated by extremely low-frequency (ELF, < 300 Hz) time-varying Magnetic Fields (MF). Due do their worldwide prevalence; power-line frequencies (60 Hz in North America) are of particular interest. Despite intense research efforts over the last few decades, the potential effects of 60 Hz MF still need to be elucidated, and the underlying mechanisms to be understood. In this study, we have used functional Magnetic Resonance Imaging (fMRI) to characterize potential changes in functional brain activation following human exposure to a 60 Hz MF through motor and cognitive tasks. First, pilot results acquired in a first set of subjects (N=9) were used to demonstrate the technical feasibility of using fMRI to detect subtle changes in functional brain activation with 60 Hz MF exposure at 1800 μT. Second, a full study involving a larger cohort of subjects tested brain activation during 1) a finger tapping task (N=20), and 2) a mental rotation task (N=21); before and after a one-hour, 60 Hz, 3000 μT MF exposure. The results indicate significant changes in task-induced functional brain activation as a consequence of MF exposure. However, no impact on task performance was found. These results illustrate the potential of using fMRI to identify MF-induced changes in functional brain activation, suggesting that a one-hour 60 Hz, 3000 μT MF exposure can modulate activity in specific brain regions after the end of the exposure period (i.e., residual effects). We discuss the possibility that MF exposure at 60 Hz, 3000 μT may be capable of modulating cortical excitability via a modulation of synaptic plasticity processes.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».